由买买提看人间百态
登录
首页
论坛
未名存档
话题女王
小圈子
马甲追踪
版面排名
流量曲线
水枪排名
发帖量曲线
发帖版面饼图
发帖时间柱图
关于本站
帮助
boards
本页内容为未名空间相应帖子的节选和存档,一周内的贴子最多显示50字,超过一周显示500字
访问原贴
JobHunting版
- 面试题,大规模url求重复 讨论
相关主题
●
在线紧急求助一道system design面试题,面经内附
●
问一道面试题,现在好像很流行这种题
●
一个google面试题
●
如何秒杀99%的海量数据处理面试题
●
问一个bloom filter 和 bitmap的使用区别
●
新鲜面试题
●
贡献个teableau的昂赛面经
●
某大公司面试题
●
问个mutex的面试题
●
面试: Take home project
●
问问谁会这道算法的面试题?
●
亚马逊电话第二轮
●
请教一个面试题
●
考古G面经里两道题
●
贡献一下:本版上搜集的 Google 面试题
●
HashTable相关的面试题
相关话题的讨论汇总
话题: url
话题: hash
话题: 文件
话题: 面试题
话题: 解法
进入JobHunting版参与讨论
1
(共1页)
I********T
发帖数: 22
1
看到一道面试题
给你A,B两个文件,各存放50亿条URL,每条URL占用64字节,内存限制是4G,让你找出
共同的URL。
这个题目在网上看到有两种解法:
解法一:(1),读取文件,计算HASH,按HASH值分段放入不同的文件,文件数可以比
较多,两个
文件的URL,分开不同的文件放(a1,a2,...,b1,b2,...),保存时可以把HASH值也
保存进
去,避免再次计算HASH值
(2),对每一个HASH段,读出两个文件中的一个,比如a1,对HASH值有冲突的放一个
连表里,然
后读b1文件,取HASH值和URL,如果HASH值在a1中有,则进一步判断URL是否相同。
解法二:Bloom Filter(广泛应用于URL过滤、查重。参考
http://en.wikipedia.org/wiki/Bloom_filter
、
http://blog.csdn.net/jiaomeng/archive/2007/01/28/1496329.aspx
)
可是我算了下内存4G,换成bit位是4 * 2^30 * 8 =32 *2^30 个位, 数据有5*2^30,
这样把全部
内存用来做h
I********T
发帖数: 22
2
而且bloom filter 不是和我的方法没什么差别么? 。。
I********T
发帖数: 22
3
有没大牛指点一下。。
1
(共1页)
进入JobHunting版参与讨论
相关主题
●
HashTable相关的面试题
●
问个mutex的面试题
●
半小时之前的G电面,估计挂了
●
问问谁会这道算法的面试题?
●
面试题讨论:如何在一批文件中找到相同的文件
●
请教一个面试题
●
几道marvell面试题
●
贡献一下:本版上搜集的 Google 面试题
●
在线紧急求助一道system design面试题,面经内附
●
问一道面试题,现在好像很流行这种题
●
一个google面试题
●
如何秒杀99%的海量数据处理面试题
●
问一个bloom filter 和 bitmap的使用区别
●
新鲜面试题
●
贡献个teableau的昂赛面经
●
某大公司面试题
相关话题的讨论汇总
话题: url
话题: hash
话题: 文件
话题: 面试题
话题: 解法
未名新帖统计
// 7月16日
#
版面
帖数(主题数)
-
全站
4871 (796)
1
Military
3777 (569)
2
Stock
341 (51)
3
Joke
117 (17)
4
History
116 (3)
5
Automobile
100 (9)
6
USANews
55 (9)
7
Midlife
45 (1)
8
Headline
41 (41)
9
Dreamer
33 (13)
10
FleaMarket
32 (20)
11
Living
30 (7)
* 这里只显示发帖超过25的版面,努力灌水吧:-)
历史上的今天
faintcat妹妹看进来~~
发表于12年前.
NSC, PD 1/7/2007, EB2, ...
发表于11年前.
[FBA求购]MJVE2 758 MJVM2 ...
发表于6年前.
老生常谈,归与不归
发表于10年前.
【申请】Seattle西雅图 版版主——申请人...
发表于9年前.
宝宝出生,头骨骨折,求祝福
发表于9年前.
求推荐舒缓优美的古典音乐
发表于11年前.
百分之一的北京人上北大 中国网友愤怒(转载)
发表于10年前.
新人带狗狗Bailey来报道
发表于12年前.
全世界最有价值的运动队
发表于10年前.
请问大切诺基的质量如何
发表于6年前.
TNND,军版全是BKC
发表于15年前.
Inception
发表于12年前.
微软的有些家属可真恶心,为了卖保险脸都不要了
发表于10年前.
每周坐高铁的苦逼来说说感受吧!!
发表于9年前.